WiFi与行人航迹推算自适应无迹卡尔曼滤波融合定位算法

发布时间：2023-02-15 19:31

　　针对WiFi信号易受环境波动和存在多径效应现象,行人航位推算(pedestrian dead rockoning, PDR)系统中传感器模块精度有限,且存在累积误差问题,因此提出了一种加入自适应调整因子的改进无迹卡尔曼滤波(unscented Kalman filter, UKF)融合算法,该算法利用残差r_k的理论协方差与实际协方差的差异作为条件,引入调整因子ρ调整状态向量和观测向量的协方差进而调整卡尔曼增益参数。实验结果表明平均定位误差为1.35 m,最大定位误差为2.23 m。定位误差在1.5 m以内的概率达到了约80%,相比标准UKF算法在1.5 m以内的概率约为22%,提高了约58%。该算法提高了室内定位的定位精度,增强了定位的稳定性。

【文章页数】：6 页

【文章目录】：
1 行人航迹推算(PDR)
    1.1 步数及步长估计
    1.2 航向角估计
2 WiFi室内定位模型
    2.1 WiFi信号强度指纹库建立
    2.2 在线匹配算法
3 WiFi与PDR融合定位算法
    3.1 UKF算法原理
    3.2 自适应调整因子的改进UKF算法
    3.3 融合系统模型建立
4 实验设计及数据分析
    4.1 实验环境
    4.2 仿真数据分析
    4.3 系统APP效果图
5 结论



本文编号：3743705